一种视频增强的新方法

视频增强的新方法

视频透雾新方法  

　　雾是悬浮在贴近地面的大气中的大量微细水滴（或冰晶）的可见集合体，使能见度降到1公里以下……

　　“雾”是基于光学成像原理的视频监控系统的大敌。雾造成有效视频监控距离大大缩短，使图像变得模糊，严重的情况下图像一片雪白，使视频监控系统变得毫无用处。

　　近年来随着全球气候变暖、城市化进程加速、人口密度增加，城市的大雾现象变得越发严重。城市大雾对城市的治安监控、交通监控、环境监控等视频环境造成极大的损害，严重时可能造成城市安防系统瘫痪……森林、大面积植被环境由于绿色植物的呼吸作用，清晨、黄昏容易造成覆盖大面积区域的雾气，这些雾气给森林的安全防范以及火灾防范造成了极大的危害，使通常的长焦距镜头摄像机系统失去原有的威力……海岸、港口、河道由于水汽蒸发原因，常年湿度较大，形成无法消除的大量水雾，常年的水雾密集使港湾的监控难以有效实施……多年以来，很多的光学、电子、软件专家致力于视频图像的雾气消除研究工作，然而事实证明单一解决手段无法从根本上解决这个问题。

　　全新的透雾解决方案利用高集成度设计方法；通过在摄像机中放置专用的高精度光学转换器件、专用成像器件，配和最新技术研发的专用的视频增强设备，从光学、电子、软件多方面构成一个光、电一体化的专家级视频透雾监控解决方案。

下面是电子部分去雾的介绍：

一、 视频增强的背景 

　　视觉信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的。随着多媒体技术飞速发展，视频图像得到了广泛重视和应用,其应用领域遍及广播电视、医学、保安监控、车场管理、军事及生命科学等方面。视频采集技术与显示技术的提升，使得人们对画质的要求越来越高，但是在各类图像系统中图像的传送和转换(如成像、复制、扫描、传输以及显示等)总要在一定程度上造成图像质量的降低。例如一些户外监控系统往往只能在晴天下才能正常工作，在大雾、沙尘等恶劣天气或者低光照情况下图像对比度大大降低，人们无法从中得到有用信息。不仅如此，长期观看品质低下的视频可能会加重人们眼睛的负担，容易产生视觉疲劳，甚至会头晕目眩。在出现大雾、大雨、沙尘等恶劣天气时，户外景物图像的对比度和颜色都会被改变或退化，图像中蕴含的许多特征都被覆盖或模糊，得到的是退化图像，对于各类监控都造成了极大的困难，因此，要充分发挥监视视频的效能，就必须对监视视频图像进行增强处理。在军事侦察、监视方面，为了实施正确指挥，取得作战胜利，现代战争对军事侦察提出了更高的要求，广泛应用先进科学技术，进一步扩大侦察的范围，提高侦察的时效性和准确性。因此，军事侦察、监视中用到的视频图像的品质尤为重要，退化的视频图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的，因此视频增强技术应运而生。

二、 视频增强算法（Retinex算法）的基本原理 

　　Retinex算法简介 

　　Retinex（视网膜”Retina”和大脑皮层”Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human Visual System）的图像增强理论。该算法的基本原理模型最早是由Edwin Land（埃德温?兰德）于1971年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种基于理论的图像增强方法。Retinex 理论的基本内容是物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性，即Retinex 理论是以色感一致性（颜色恒常性）为基础的。 

　　不同于传统的图像增强算法，如线性、非线性变换、图像锐化等只能增强图像的某一类特征，如压缩图像的动态范围，或增强图像的边缘等，Retinex可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡，因此可以对各种不同类型的图像进行自适应性地增强。正因为Retinex诸多良好的特性，使Retinex算法在很多方面得到了广泛的应用。 

　　在诸多以Retinex为核心的算法中，单尺度（Single-Scale Retinex, SSR） 算法，多尺度（Multi-Scale Retinex, MSR）算法是最具有代表性和最成熟的算法。 

　　单尺度（Single-Scale Retinex, SSR）算法原理

　　根据Land提出的理论，一幅给定的图像S(x,y)分解成两幅不同的图像：反射物体图像R(x,y)和入射光图像L(x,y)，其原理示意图如下:

                               图1：Retinex原理示意图 

　　对于观察图像S中的每个点(x,y)，用公式可以表示为： 

　　S(x,y)=R(x,y)﹒L(x,y) （1） 

　　据Retinex 理论，物体的颜色是由物体对光线的反射能力决定的，而物体对光线的反射能力是物体本身固有的属性，与光源强度的绝对值没有依赖关系。因此通过计算各个像素间的相对明暗关系，可以对图像中的每个像素点做校正，从而确定该像素点的颜色。 

　　单尺度（Single-Scale Retinex, SSR）算法在对数域中则表示为：
                （2） 

　　根据上面（2）式的原理，Retinex理论进行图像增强的关键是从原图像中有效的信息计算出亮度图像L(x,y)。但是从原图像计算亮度图像在数学上是一个奇异问题，因此只能通过数学上近似估计的方式估算亮度图像。在Retinex算法的发展史中，曾经出现过平方反比的环绕形式、指数形式以及高斯指数形式，但在单尺度Retinex增强算法中，杰泊森(Jobson)论证了高斯卷积函数可以对源图像提供更局部的准确处理，因而可以更好地增强图像，其可以表示为：
                     （3） 
　　其中λ是常量矩阵,c是滤波半径，并且满足： （4） 

　　c越小，灰度动态范围压缩的越多，c越大，图像锐化的越厉害。因此亮度图像最终可以表示为：
                     （5） 
　　单尺度（SSR）可以表示为：
           （6）